Qua chương này, vài kĩ thuật cho đối sánh vân tay đã được khảo sát và vài phương pháp chuyên nghiệp đã được nhấn mạnh. Dù sao, một câu trả lời rõ ràng không được cung cấp cho câu hỏi: Đâu là thuật toán tốt nhất cho đối sánh vân tay? Có hai lý do chính giải thích tại sao quyết định hiệu năng tương đối giữa các thuật toán khác nhau là khó khăn:
• Hiệu năng của một phương pháp nhận dạng vân tay liên quan đến nhiều độ đo hiệu năng khác nhau: độ chính xác ( FMR, FNMR …), hiệu quả ( thời gian thu thâp, thời gian kiểm tra ), tính mềm dẻo cho nhận dạng 1:N, cỡ của mẫu…Các ứng dụng khác nhau có thể sử dụng một thuật toán đối sánh vân tay với độ chính xác thấp hơn nhưng lại có cõ mẫu nhỏ hơn so với thuật toán chính xác cao hơn nhưng sử dụng cỡ mẫu lớn hơn.
• Hầu hết các kết quả khoa học được xuất bản trong các tài liệu bao gồm các kết quả thực nghiệm thực hiện trên cơ sở dữ liệu độc quyền sử dụng các giao thức khác nhau, và không chia sẻ trên các kênh nghiên cứu. Điều này tạo khó khăn để so sánh các phương pháp khác nhau, hiệu năng đo được không có một điểm chuẩn để so sánh.
• Trước khi cuộc thi kiểm tra vân tay FVC2000 và FVC2002, chỉ có tập dữ liệu vân tay miền công cộng là cơ sở dữ liệu NISt. Mặc dù các cơ sở dữ liệu này là điểm chuẩn tốt cho phát triển AFIS, chúng không thích hợp tốt để đánh giá hoạt động thuật toán với các ảnh quét trực tiếp.
Sau đây là vài cách trách lỗi thông thường trong đánh giá hiệu năng của các thuật toán đối sánh:
• Không sử dụng cùng một tập dữ liệu cho huấn luyện, hợp lệ hóa và kiểm tra một thuật toán
• Không làm sạch cơ sở dữ liệu bằng cách loại bỏ các mẫu có sự từ chối hoặc không được phân loại bởi hệ thông; Về nguyên lý, bằng cách lặp loại bỏ các mẫu như vậy có thể đạt tới độ chính xác mong muốn
• Không kết luận độ chính xác của một hệ thống tốt hơn hệ thống khác khi chũng được đánh giá trên các tập dữ liệu khác nhau
• Không dấu điểm yếu của thuật toán, nhưng lại tài liệu hóa các thất bại
CHƯƠNG 4:CÁC THUẬT TOÁN VÀ THỰC NGHIỆM